퍼듀대 연구진이 보안 애플리케이션을 위한 자기설명형 딥러닝 아키텍처 'XSec'를 제안했다. XSec은 학습 단계에서 마스크 기반 방식으로 데이터의 유의미한 하위 특징을 추출하고 각 클래스를 대표하는 프로토타입을 학습하며, 테스트 시에는 전용 유사도 레이어로 입력과 프로토타입 간 유사도를 계산해 사후 분석 없이도 해석 가능한 설명을 즉시 생성한다. 5개의 서로 다른 보안 시나리오에서 평균 97.33%의 분류 정확도를 달성했으며, 근사·교란 기반 사후 설명 기법 대비 설명 생성 지연시간도 크게 줄였다. 동일 모델·입력에 대해 항상 같은 설명을 내놓는 결정론적 특성 덕분에 실시간성과 투명성이 중요한 보안 분야에 실질적인 대안이 될 수 있다.

• •마스크 기반 특징 추출과 클래스별 프로토타입 학습으로 사후 설명 없이 해석 가능한 예측 제공
• •5개 보안 시나리오 평균 분류 정확도 97.33% 달성
• •근사·교란 기반 기존 XAI 기법 대비 설명 생성 지연시간 대폭 단축
• •동일 모델·입력에 항상 동일한 결정론적 설명 생성으로 안정성 확보